Hur kan GIS-modellering utgöra ett stöd för mikrobiell riskvärdering? Johan Åström, Tyréns AB 2013-01-30
Bakgrund Cryptosporidium och Giardia resulterar i dricksvattenburen smitta Avloppsvatten, ett stort antal djurslag och fåglar Efter Cryptosporidium-utbrotten i Sverige lyder uppmaningen: Känn ditt råvatten Bestämmelser för Vattenskyddsområden beaktar sällan parasitrisken Mikrobiell riskanalys (MRA, GDP) fordrar information om patogenhalt och variation Etablerade spridningsmodeller för näringsämnen och indikatorbakterier Nyligen publicerade GIS-baserade spridningsmodeller för patogener Användbarhet och nytta för riskvärdering i Sverige?
Syfte Granska och jämföra vetenskapligt publicerade GIS-modeller avseende indata, egenskaper och resultat Användbarheten av påträffade GIS-modeller för svenska kommuner Klargöra hur svenska kommuner kan använda GIS-data för att prioritera parasitkällor i avrinningsområdet Tyréns AB, Trollhättan och Östersund, med finansiering från Svenskt Vatten Utveckling och Tyréns stiftelse Oslo!(! Östersund Karlstad!(!( Stockholm Helsinki!( Trollhättan Copenhagen!( Aktuella avrinningsområden
Konceptuell modell för patogenspridning
Geografiska informationssystem (GIS) och GIS-modeller Geografisk information användes av John Snow för utredning av kolera i London 1854 GIS möjliggör inmatning, lagring, bearbetning och presentation av geografiska data I GIS-modeller nyttjas geografisk information i matematiska modeller patogenspridning Möjlighet att beskriva tillskottet från både punktkällor och diffusa källor Modellresultat blir aldrig bättre än en kombination av indata och antaganden!
Användning av GIS-data i mikrobiell riskanalys Källa: Kistemann, T., Dangendorf, F. & Ener, M. (2001) A Geographical Information System (GIS) as a tool for microbial risk assessment in catchment areas of drinking water reservoirs. International Journal of Hygiene and Environmental Health, vol. 203: 3, ss. 225-233.
Angreppssätt vid modellering av patogenhalter i råvatten Top down modellering Analys av signaler i data, e. patogenhalter styrs av nederbörd, temperatur osv. Ger enklare modeller där ett urval parameter används för att förutsäga vad som styr halter Fördelen är att de kan ge relativt liten osäkerhet Nackdelen är att de blir platsspecifika och ger liten förståelse av bakomliggande processer Patogenhalter Botton up modellering Mekanistisk förståelse av processer, e. hur patogenhalter sprids från olika källor Tenderar bli mer komplicerade, fler parametrar Fördelen är att de kan ge insikt i vad som styr utfallet (åtgärdsanalys) Nackdelen är stora osäkerheter i antagandena
Patogenmodeller för avrinningsområden av typen bottom up A. Coffey, R., Cummings, E., Bhreathnach, N., O Flatherty, V. & Cormican, M. (2010) Development of a pathogen transport model for Irish catchments using SWAT. Journal of Agricultural Water Management, vol. 97: 1, ss. 101-111. B. Ferguson, C. M., Croke, B. F., Beatson, P. J., Ashbolt, N. J. & Deere, D. A. (2007) Development of a process-based model to predict pathogen budgets for the Sydney drinking water catchment. J. Water Health, vol. 5: 2, ss. 187-208. C. Dorner, S., Huck, P., Slawson, R., Gaulin, T. & Anderson, W. (2004) Assessing levels of pathogenic contamination in a heavily impacted river used as a drinking-water source. J Toicol Environ Health A, vol. 67: 20-22, ss. 1813-23. samt: Dorner, S. M., Anderson, W. B., Slawson, R. M., Kouwen, N. & Huck, P. M. (2006) Hydrologic modeling of pathogen fate and transport. Environ. Sci. Techn., vol. 40: 15, ss. 4746-53. D. Medema, G. J. & Schijven, J. F. (2001) Modelling the sewage discharge and dispersion of Cryptosporidium and Giardia in surface water. Water Res, vol. 35: 18, ss. 4307-16. E. Samadder, S. R., Ziegler, P., Murphy, T. M. & Holden, N. M. (2010) Spatial Distribution of Risk Factors for Cryptosporidium Spp. Transport in an Irish Catchment. Water Environment Research, vol. 82: 8, ss. 750-758. F. Walker, F. R., Jr. & Stedinger, J. R. (1999) Fate and transport model of Cryptosporidium. Journal of Environmental Engineering, vol. 125: 4, ss. 325-333.
Jämförelse av GIS-modeller för patogenspridning (1) Preliminära resultat Modell A Modell B Modell C Modell D Modell E Modell F Coffey et al. (2010) Ferguson et al. (2007) Dorner et al. (2004, 2006) Medema et al. (2001) Samadder et al. (2010) Walker & Stedinger (1999) Modellegenskaper Mikroorganismer E. coli/indikatorbakterie Cryptosporidium spp. Giardia spp. Campylobacter spp. E. coli O157:H7 Justerbart i modellen Patogen-egenskaper Prevalens Utsöndringshalt Möjlighet att ta hänsyn till zoonotisk potential
Prevalensstudier i Norden, 1993-2008 (2012) Cryptosporidium spp. Giardia spp. Djurslag Ålder Antal studier % positiva Antal studier % positiva Nötkreatur Kalvar 7 13 3 34 Ungdjur 3 25 1 44 Vuna 4 5 1 20 Hästar Årsgammal 1 0 1 10 Grisar Avvanda smågrisar 1 74 1 39 Grisar Smågrisar 1 4 1 3 Grisar Suggor 1 2 1 4 Får Lamm 1 3 1 19 Får Tackor 1 0 1 28 Getter Killingar 1 0 1 6 Getter Vuna 1 0 1 18 Kronhjort Kalvar, ettåringar och vuna 1 0 1 2 Ren Kalvar, ettåringar och vuna 1 0 1 7 Rådjur Kalvar, ettåringar och vuna 1 6 1 16 Rödräv Unga och vuna 1 2 1 5 Älg Kalvar, ettåringar och vuna 1 3 1 12 Hundar (Unga hundar) 2 25 2 13
Jämförelse av GIS-modeller för patogenspridning (2) Preliminära resultat Modellegenskaper Modell A Modell B Modell C Modell D Modell E Modell F Coffey et al. (2010) Ferguson et al. (2007) Dorner et al. (2004, 2006) Medema et al. (2001) Samadder et al. (2010) Walker & Stedinger (1999) Spridningskällor Avloppsreningsverk Bräddavlopp Nödavlopp Enskilda avlopp () Nötkreatur Får och annan boskap Vilda djur Fåglar/höns Stallgödselspridning Justerbart i modellen?
Jämförelse av GIS-modeller för patogenspridning (3) Preliminära resultat Modell A Modell B Modell C Modell D Modell E Modell F Dorner et al. (2004, 2006) Walker & Stedinger (1999) Coffey et al. Ferguson et Medema et Samadder Modellegenskaper (2010) al. (2007) al. (2001) et al. (2010) Områdesbeskrivning Delavrinningsområden Regioner/distrikt Topografi, höjdmodell Jordarter Markanvändning Jordbruksområden Djurslag per område Hydrologisk modellering Använder befintlig modell () Flödeskalibrering
Riskfaktorer i GIS-modeller för patogenspridning Spridningskällor per area-enhet Andel enskilda avlopp (EA) Antal per area-enhet Undermålig avskiljning Utsläpp direkt vattendrag Patogener i gödsel Prevalens och utsöndringshalt Andelen bundna till fekalier/jord Andel som lösgörs från gödsel Gödselålderns betydelse Direktsläpp i vatten Inaktivering i fekalier/jord Transport till vattendrag Avstånd till vattendrag Marklutning Ovan mark Genom marklager Transport i vatten/till råvattenintag Sedimentering Inaktivering i vatten Temperaturstyrd inaktivering
Jämförelse av GIS-modeller för patogenspridning (4) Preliminära resultat Modell A Modell B Modell C Modell D Modell E Modell F Dorner et al. (2004, 2006) Walker & Stedinger (1999) Coffey et al. Ferguson et Medema et Samadder Modellegenskaper (2010) al. (2007) al. (2001) et al. (2010) Typ av modellresultat Belastning per område Torrväder/våtväder/etremväder Patogenhalt i råvattnet Variation över tid Belastning per år Känslighetsanalys redovisad Programvara ArcGIS-applikation Webb GIS-applikation Fortran-baserad Processbaserad matematisk Probabilistisk () ()
Arbetsmöte i Trollhättans kommun, jan. 2013 Aktuella frågeställningar vid Trollhättans vattenverk QMRA på gång Utökat antal barriärer på vattenverket Driftsoptimering utifrån varierande patogenhalter Tillgång till GIS-data för 11 områden Digital höjdmodell Markanvändning Jordarter Djurbesättningar, jordbruk Avloppsutsläpp Geodata-samverkan Eamensarbete med tillämpning av Modell A (SWAT; Coffey et al. 2010) Trollhättan! Vänersborg Mjörn Vänern - Dalbosjön Huvudavrinningsområden Delavrinningsområden Trollhättan
Sammanfattning av projektet hittills En rad komplea mekanismer styr uppkomst och spridning av parasiter i ett avrinningsområde GIS-modellering är ett lovande angreppssätt (åtgärdsunderlag) Stor skillnad mellan GIS-modeller: indata, processer, programvara osv. Prevalensdata för Cryptosporidium och Giardia finns tillgängligt främst för boskapsdjur i Norden, saknas för vilda djur och fåglar I Trollhättans kommun finns god tillgång på GIS-data för Modell A, data krävs från kommun stra uppströms Geodata-samverkan, resultat av ett EU-direktiv (Inspire) som gynnar tillgång på GIS-data för svenska kommuner Arbetsmöte i Östersund planeras ske i slutet av februari Användbarhet och validerbarhet?
Johan.Astrom@tyrens.se